KR102488790B1 - Ess 아크 고장 검출 장치 및 방법 - Google Patents
Ess 아크 고장 검출 장치 및 방법 Download PDFInfo
- Publication number
- KR102488790B1 KR102488790B1 KR1020220123036A KR20220123036A KR102488790B1 KR 102488790 B1 KR102488790 B1 KR 102488790B1 KR 1020220123036 A KR1020220123036 A KR 1020220123036A KR 20220123036 A KR20220123036 A KR 20220123036A KR 102488790 B1 KR102488790 B1 KR 102488790B1
- Authority
- KR
- South Korea
- Prior art keywords
- arc
- failure
- ess
- data
- control unit
- Prior art date
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 73
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000000034 method Methods 0.000 claims description 20
- 238000013461 design Methods 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 2
- 238000002474 experimental method Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 12
- 239000000047 product Substances 0.000 description 9
- 238000009413 insulation Methods 0.000 description 4
- 238000000926 separation method Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000009434 installation Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 239000007773 negative electrode material Substances 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- JHNLZOVBAQWGQU-UHFFFAOYSA-N 380814_sial Chemical compound CS(O)(=O)=O.O=P(=O)OP(=O)=O JHNLZOVBAQWGQU-UHFFFAOYSA-N 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000013065 commercial product Substances 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
- G01R31/1209—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing using acoustic measurements
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/0046—Arrangements for measuring currents or voltages or for indicating presence or sign thereof characterised by a specific application or detail not covered by any other subgroup of G01R19/00
- G01R19/0053—Noise discrimination; Analog sampling; Measuring transients
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/25—Arrangements for measuring currents or voltages or for indicating presence or sign thereof using digital measurement techniques
- G01R19/2513—Arrangements for monitoring electric power systems, e.g. power lines or loads; Logging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
- G01R23/16—Spectrum analysis; Fourier analysis
- G01R23/165—Spectrum analysis; Fourier analysis using filters
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
- G01R31/1227—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Acoustics & Sound (AREA)
- Power Engineering (AREA)
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
Abstract
본 발명은 아크 고장 검출 장치 및 이를 이용한 고장 검출 방법에 관한 것으로서, 보다 상세하게는 ESS 아크 고장 검출 환경에서 센싱 회로를 통한 노이즈 저감 구현 및 이러한 데이터를 신호 처리 회로를 사용하여 제어기에서 고장 검출을 구현하는 것에 관한 것으로, 복수개의 배터리가 포함되는 배터리 렉과 인버터 사이의 아크 고장을 탐지하기 위한 전압 및 전류 센싱용 센서와,
상기 센서를 통해 계통 전원과 연결되는 인버터에 고장 신호를 전송받아 고장 데이터 기반의 ESS 아크 고장 검출 주파수 대역폭 선정 및 검출 알고리즘, 확률 및 통계 기반의 아크 고장 검출 알고리즘을 포함하고, 미리 아크 고장 데이터를 실험을 통해 수집하여 상기 알고리즘에 적용하는 제어부;를 포함한다.
상기 센서를 통해 계통 전원과 연결되는 인버터에 고장 신호를 전송받아 고장 데이터 기반의 ESS 아크 고장 검출 주파수 대역폭 선정 및 검출 알고리즘, 확률 및 통계 기반의 아크 고장 검출 알고리즘을 포함하고, 미리 아크 고장 데이터를 실험을 통해 수집하여 상기 알고리즘에 적용하는 제어부;를 포함한다.
Description
본 발명은 ESS 아크 고장 검출 장치 및 방법에 관한 것으로서, 보다 상세하게는 ESS의 배터리 혹은 인버터의 DC Link에서 DC 직렬 아크 및 전력 계통에서의 AC 직렬 아크가 발생할 경우 이를 검출하기 위한 ESS 아크 고장 검출 장치 및 방법에 관한 것이다.
일반적으로 AC 및 DC 아크 고장 검출을 위해서, AC 직렬 아크 고장의 경우 AC 전원이 영전압으로 가까이 갈 때 아크가 소호되며 전류의 숄더를 만들고, 이는 아크의 주파수 특성을 효과적으로 검출할 수 있게 만들어준다. 이에 직렬 아크 검출이 상대적으로 쉽기는 하다.
ESS 및 PV가 동작할 때 DC 직렬 아크가 생성되는 경우 전류 파형의 변화가 거의 없고, 인버터 혹은 DC/DC 컨버터 등에 의한 노이즈가 매우 크기 때문에 아크 고장을 검출하는 것에 어려움이 있다.
이러한 DC 직렬 아크 고장 검출을 수행하기 위한 다양한 방법들이 제시되었다.
그러나 Time Domain의 경우, 아크 고장 상황과 정상 동작 상황을 전압 및 전류 정보로 분석하기가 매우 어렵다. Heuristic한 방법 등으로 확률적으로 이를 검출할 수 있지만, 상황에 따라 정확도가 매우 떨어질 수 있다.
Frequency Domain의 경우, FFT 및 Wavelet 등의 방법을 이용한 기법이 개발되었다.
그러나 아크의 FFT 크기가 변동하는 주파수 대역이 1 ~ 100 kHz로, 인버터의 스위칭 노이즈 등에 의해 성능이 매우 떨어질 수 있다.
또한, MHz 대역에서 아크 고장을 판별하는 경우 Line Impedance 등에 의해 매우 민감하게 동작하기 때문에 신뢰성 확보가 어려웠다.
또한, 종래의 AI 기반의 경우에도 데이터 기반의 아크 특성 추출로 고장을 판별하는 방법이긴 하지만 기존의 방법들은 부족한 데이터를 GAN 등의 데이터 확장 방법을 사용하여 보완하였기 때문에 학습되지 못한 아크 고장 신호가 들어올 경우 정확도가 매우 떨어질 수 있고, 상용 제품이 없는 실정이다.
따라서 ESS 전용의 높은 Precision을 가지는 아크 고장 검출 장치를 개발하는 것이 필요하다.
한편 2017년 이후 ESS에서는 꾸준히 화재가 발생되고 있고, 안전기준이 강화됨에도 불구하고 최근까지 화재가 발생하고 있다.
그래서 ESS의 DC 직렬 아크 고장 검출장치의 설치를 의무화함으로 안전성 확보가 가능할 것으로 예상된다.
도 1은 종래 발명에 따른 (a) ABB사 제품, (b) SIEMENS사 제품, (c) EATON사 제품, (d) Schneider사 제품을 보여주는 도면이고, 도 2는 종래의 (a, b) ESS 아크 고장 발생 가능 지점, (c, d) ESS 지락 및 병렬 아크 사고 사례를 보여주는 도면이며, 도 3은 AC 아크 고장 시 발생 Waveform: (a) 아크 고장 발생 시 파형, (b) FFT 결과를 보여주는 도면이고, 도 4는 DC 아크 고장 시 발생 Waveform 및 FFT 결과: (a) 정상상태 실험 결과, (b) 아크 고장 실험 결과를 보여주는 도면이다.
한편, 도 1 내지 도 4에 도시된 바와 같이 종래의 ESS 지락 및 병렬 아크 사고 사례를 살펴보면, 교류와 달리 직류는 zero crossing point가 없어 아크 사고 발생이 용이하다.
또한, 아크가 발생하면 소호가 어렵고 플라즈마 방전으로 단시간 안에 단락되는 사고가 발생한다.
이렇게 조기에 아크를 검출하지 않을 경우 직렬아크, 지락아크, 병렬아크로 발전되고, 온도가 수천도 이상(플라즈마 19,400℃)으로 상승하는 문제도 발생한다.
기존의 아크 고장 검출 장치는 전술한 문제에 의해 고장 검출 정확도가 떨어지는 데, 본 발명은 ESS의 DC 아크 고장 검출을 효과적으로 구현하기 위해 (1) 고장 신호 증폭 회로 및 (2) 특정 주파수 대역의 신호 크기 및 변동성을 활용한 아크 고장 검출 알고리즘을 사용하는 ESS 설치 장소에 DC 아크 고장 검출 장치 및 방법을 제공하는 데 목적이 있다.
상기와 같은 목적을 달성하기 위하여, 본 발명의 일 실시예는 복수개의 배터리가 포함되는 배터리 렉과 인버터 사이의 DC 아크 고장을 탐지하기 위한 전압 및 전류 센싱용 회로와, 상기 센서의 데이터 가공을 위한 신호 처리 회로 및 대역폭 선정, 센싱 데이터의 크기 및 통계 기반의 고장 검출 알고리즘;을 포함한다.
상기 전압 및 전류 센싱용 회로는 임피던스 설계에 따라 주변 노이즈를 Active하게 제거하여 아크 노이즈를 신호 처리 회로로 넘긴다.
임피던스는 계통 주파수 및 스위칭 노이즈를 억제하는 동시에 아크 고장 신호를 증폭하게 설계한다.
상기 센서는 설계에 따른 임피던스를 갖고, ESS의 DC Link에 병렬로 연결되어 스위칭 노이즈 및 주변 노이즈를 Active하게 제거하여 아크 노이즈를 판별할 수 있다.
또한 전압 및 전류 센싱회로의 데이터는 저주파 대역 필터, 밴드 대역 필터, 고주파 대역 필터 등의 신호 처리 회로를 통해 아크 고장 신호를 추출할 수 있다.
상기 제어부는 상기 센서 및 신호 처리 회로를 통해 받은 데이터를 기반으로 아크 고장 신호만 센싱하여 고장 검출 정확도는 향상시킨다.
상기 제어부가 아크 고장 데이터를 실험을 통해 수집하기 위해 절연을 위한 절연 클램프(Insulating Clamps)에 고정되는 고정 전극(Stationary Electrode)과 상기 고정 전극과 일정 간격 이격하여 모터 제어에 의해 좌우로 이동이 가능한 슬라이딩 블록(Sliding Block)에 고정된 이동 전극을 이동시켜 전극 분리 속도 아크 발생에 따른 아크 고장 데이터를 수집하여 상기 알고리즘에 적용하며, 측면 조정 장치(Lateral Adjustment)를 통해 상기 슬라이딩 블록의 위치를 조정하고, 상기 절연 클램프와 슬라이딩 블록은 고정 베이스(Fixed Base)에 고정된다.
본 발명은 ESS의 DC Link에 병렬로 연결되는 아크 고장 검출 임피던스를 통해 전류 및 전압을 센싱하는 단계; 임피던스 설계를 통해 아크 고장 신호를 증폭하는 단계; 센싱한 신호를 Filter 단을 통과하여 제어부에 전달하는 단계; 상기 제어부가 받은 데이터를 기반으로 크기 변동 및 확률 통계 기반의 아크 고장 검출 알고리즘을 수행하는 단계;를 포함한다.
상기 제어부는, ESS에 설치 후 정상상태 데이터 기반으로 아크 고장의 Threshold 값을 설정하는 알고리즘;을 포함한다.
상기 아크 노이즈 정보를 전달받아 고장 검출 알고리즘에 의해 고장을 검출하는 고장 검출 장치를 통해 계통 전원과 연결되는 인버터에 고장 신호를 전송하는 단계;를 더 포함한다.
상기 제어부를 통해 디지털 프로세서 혹은 아날로그 회로로 구성되어 있으며, ADC를 통한 샘플링 혹은 아날로그를 통해 센싱 회로 및 신호 처리 회로의 출력 데이터를 읽어오는 단계;를 더 포함한다.
상기 제어부를 통해 읽어온 데이터를 기반으로 통계 및 크기 변동을 계산하고, 아크 고장을 검출하기 위한 초기 값을 설정하는 단계;를 더 포함한다.
상기 제어부를 통해 다른 배터리 및 인버터 조합에 대해 적용이 가능하도록 ESS와 병렬로 아크 고장 검출 장치를 설치하면, 정상상태 데이터 기반으로 아크 고장 신호의 Threshold 값을 설정하는 단계;를 더 포함한다.
본 발명의 AI 모듈을 통해 데이터 기반의 아크 특성 추출로 고장을 판별하는 단계;를 더 포함한다.
본 발명의 실시예에 따라 ESS용 아크 고장 검출 장치는 가정용, 소형~중형 UPS, 상업용, EV 충전소 등에 적용이 가능하다.
또한, 본 발명의 예는 ESS의 C-rate을 0.2로 동작시키는 경우 100 kWh급 ESS까지 대응 가능하며, ESS의 C-rate 값을 변동시는 대용량 ESS에도 적용이 가능하다.
또한, 본 발명에 따른 소형 ESS 시스템은 2024년 기준 16,713 MWh, 14조 규모의 시장으로 성장할 경우, 특히 PV 시스템과 ESS를 연계하는 솔루션 등을 대기업 등에서 판매함에 따라 소형 ESS 시장에 최적의 품질로 제공할 것으로 예상된다.
도 1은 종래 발명에 따른 (a) ABB사 제품, (b) SIEMENS사 제품, (c) EATON사 제품, (d) Schneider사 제품을 보여주는 도면이다.
도 2는 종래의 (a, b) ESS 아크 고장 발생 가능 지점, (c, d) ESS 지락 및 병렬 아크 사고 사례를 보여주는 도면이다.
도 3은 AC 아크 고장 시 발생 Waveform: (a) 아크 고장 발생 시 파형, (b) FFT 결과를 보여주는 도면이다.
도 4는 DC 아크 고장 시 발생 Waveform 및 FFT 결과: (a) 정상상태 실험 결과, (b) 아크 고장 실험 결과를 보여주는 도면이다.
도 5는 본 발명의 일 실시예에 따른 시간 및 주파수 기반의 아크 고장 검출 장치을 구현하는 구성요소 간의 관계를 개략적으로 나타내는 블럭도이다.
도 6은 본 발명의 일 실시예에 따른 모터제어 가변 전극 거리, 전극 분리 속도 아크 발생장치를 보여주는 도면이다.
도 7은 본 발명에 따른 ESS 화재 요인 및 진단 체크리스트를 보여주는 도면이다.
도 8은 본 발명에 따른 센싱 회로의 H/W 구성을 나타낸 것으로 ESS의 DC 시스템에 병렬로 연결되어 고장 신호만 받을 수 있게 설계된다.
도 9는 본 발명에 따른 ESS DC Link부터 고장 신호 검출까지의 하드웨어 구성도를 나타낸다.
도 10은 본 발명에 따른 고장 검출을 위한 알고리즘을 나타낸다.
도 2는 종래의 (a, b) ESS 아크 고장 발생 가능 지점, (c, d) ESS 지락 및 병렬 아크 사고 사례를 보여주는 도면이다.
도 3은 AC 아크 고장 시 발생 Waveform: (a) 아크 고장 발생 시 파형, (b) FFT 결과를 보여주는 도면이다.
도 4는 DC 아크 고장 시 발생 Waveform 및 FFT 결과: (a) 정상상태 실험 결과, (b) 아크 고장 실험 결과를 보여주는 도면이다.
도 5는 본 발명의 일 실시예에 따른 시간 및 주파수 기반의 아크 고장 검출 장치을 구현하는 구성요소 간의 관계를 개략적으로 나타내는 블럭도이다.
도 6은 본 발명의 일 실시예에 따른 모터제어 가변 전극 거리, 전극 분리 속도 아크 발생장치를 보여주는 도면이다.
도 7은 본 발명에 따른 ESS 화재 요인 및 진단 체크리스트를 보여주는 도면이다.
도 8은 본 발명에 따른 센싱 회로의 H/W 구성을 나타낸 것으로 ESS의 DC 시스템에 병렬로 연결되어 고장 신호만 받을 수 있게 설계된다.
도 9는 본 발명에 따른 ESS DC Link부터 고장 신호 검출까지의 하드웨어 구성도를 나타낸다.
도 10은 본 발명에 따른 고장 검출을 위한 알고리즘을 나타낸다.
상기한 바와 같은 본 발명을 첨부된 도면들과 실시예들을 통해 상세히 설명하도록 한다.
본 발명에서 사용되는 기술적 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아님을 유의해야 한다. 또한, 본 발명에서 사용되는 기술적 용어는 본 발명에서 특별히 다른 의미로 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 의미로 해석되어야 하며, 과도하게 포괄적인 의미로 해석되거나, 과도하게 축소된 의미로 해석되지 않아야 한다. 또한, 본 발명에서 사용되는 기술적인 용어가 본 발명의 사상을 정확하게 표현하지 못하는 잘못된 기술적 용어일 때에는, 당업자가 올바르게 이해할 수 있는 기술적 용어로 대체되어 이해되어야 할 것이다. 또한, 본 발명에서 사용되는 일반적인 용어는 사전에 정의되어 있는 바에 따라, 또는 전후 문맥상에 따라 해석되어야 하며, 과도하게 축소된 의미로 해석되지 않아야 한다.
또한, 본 발명에서 사용되는 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함한다. 본 발명에서, "구성된다" 또는 "포함한다" 등의 용어는 발명에 기재된 여러 구성 요소들, 또는 여러 단계를 반드시 모두 포함하는 것으로 해석되지 않아야 하며, 그 중 일부 구성 요소들 또는 일부 단계들은 포함되지 않을 수도 있고, 또는 추가적인 구성 요소 또는 단계들을 더 포함할 수 있는 것으로 해석되어야 한다.
이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시 예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성 요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
또한, 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 발명의 사상을 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 발명의 사상이 제한되는 것으로 해석되어서는 아니 됨을 유의해야 한다.
도 5는 본 발명의 일 실시예에 따른 아크 고장 검출 장치을 구현하는 구성요소 간의 관계를 개략적으로 나타내는 블록도이다.
도 5에 도시된 바와 같이, 본 발명의 AC 및 DC 아크 고장 검출 장치는 센서(14)와 제어부(15)로 크게 나누어 구성되며, 상기 제어부는 알고리즘에 따라 작동되며, 실시간으로 ESS 데이터 수집을 통해 상기 알고리즘을 적용할 수 있다.
본 발명의 AC 및 DC 아크 고장 검출 장치는 AC 직렬 아크 고장의 경우 AC 전원이 영전압으로 가까일 갈 때 아크가 소호되며 전류의 숄더를 만들고, 이는 아크의 주파수 특성을 효과적으로 검출할 수 있게 만들어준다.
도 5를 참고하여 구체적으로 살펴보면, 복수개의 배터리가 포함되는 배터리 렉(11)과 인버터(12) 사이의 아크 고장을 탐지하기 위한 전압 및 전류 센싱용 센서(14)와, 상기 센서(14)를 통해 계통 전원과 연결되는 인버터에 고장 신호를 전송받아 고장 데이터 기반의 ESS 아크 고장 검출 주파수 대역폭 선정 및 검출 알고리즘, 확률 및 통계 기반의 아크 고장 검출 알고리즘을 포함하고, 실시간으로 아크 고장 데이터를 수집하여 상기 알고리즘에 적용하는 제어부(15);를 포함한다.
상기 센서(14)의 임피던스는 스위칭을 포함하는 주변 노이즈를 Active 하게 제거하여 아크 노이즈를 증폭시킬 수 있다.
상기 제어부(15)는 상기 센서(14)를 통해 전달받은 아크 데이터를 통해 노이즈의 영향을 줄여, 아크 고장 검출 정확도를 향상시킬 수 있다.
따라서 본 발명은 인버터 노이즈를 Active하게 줄이고, 아크 고장 신호만 센싱하여 검출 정확도를 향상시킬 수 있고, 기존 대비 단순한 회로 구성으로 높은 가격 경쟁력 및 상품성을 가진 제품을 개발할 수 있을 것으로 기대할 수 있다.
도 6에 도시된 바와 같이, 상기 제어부(15)가 아크 고장 데이터를 수집하기 위해 절연을 위한 절연 클램프(Insulating Clamps; 103)에 고정되는 고정 전극(Stationary Electrode; 104)과 상기 고정 전극과 일정 간격 이격하여 모터 제어에 의해 좌우로 이동이 가능한 슬라이딩 블록(Sliding Block; 102)에 고정된 이동 전극을 이동시켜 전극 분리 속도 아크 발생에 따른 아크 고장 데이터를 수집하여 상기 알고리즘에 적용하며, 나사선을 이용하여 조정하는 측면 조정 장치(Lateral Adjustment; 106)를 통해 상기 슬라이딩 블록의 위치를 조정하고, 상기 절연 클램프와 슬라이딩 블록은 고정 베이스(Fixed Base; 101)에 고정된다.
이하 본 발명의 실시를 위한 아크 고장 검출 알고리즘을 이용하는 고장 검출 방법에 대하여 자세히 설명한다.
본 발명은 임피던스 기반의 전압 전류 센싱 회로를 통한 AC 및 DC 아크 고장 검출 방법을 제공한다.
먼저 고장 검출 장치의 제어부가 센서를 통해 복수개의 배터리가 포함되는 배터리 렉과 인버터 사이의 아크 고장을 탐지한다.
그리고 상기의 임피던스 기반의 센서를 통해 탐지된 스위칭을 포함하는 주변 노이즈를 Active 하게 제거하여 아크 노이즈를 판별한다.
계속하여 상기 제어부가 AC 전압을 주파수로 측정하고, DC 전압을 시간에 따라 측정하여 주변 노이즈를 액티브(Active)하게 제거한다.
또한, 상기 제어부가 미리 아크 고장 데이터를 수집 혹은 실시간 정상 데이터 수집을 통해 상기 알고리즘에 적용한다.
이렇게 미리 아크 고장 데이터를 수집하여 인공 지능 알고리즘으로 분류한 후 상술한 고장 데이터 기반의 ESS 아크 고장 검출에 추가하여 빅데이터를 생성하고 이를 기반으로 정밀한 고장 검출이 가능하도록 한다.
구체적으로 살펴보면, 상기 제어부는, 고장 데이터 기반의 ESS 아크 고장 검출 주파수 대역폭 선정 및 검출 알고리즘, 통계 기반의 아크 고장 검출 알고리즘, 및 확률 및 통계 기반의 ESS 아크 특징 검출 알고리즘 중 하나를 적용한다.
또한, 상기 아크 노이즈 정보를 전달받아 고장 검출 알고리즘에 의해 고장을 검출하는 고장 검출 장치를 통해 계통 전원과 연결되는 인버터에 고장 신호를 전송한다.
또한, 상기 제어부가 복수개의 배터리가 포함되는 배터리 렉과 인버터 사이의 아크 고장을 탐지하기 위한 전압 및 전류 센싱용 센서의 센싱 정보를 전달받아 고장 검출 알고리즘에 의해 고장을 검출하는 고장 검출 장치를 통해 계통 전원과 연결되는 인버터에 고장 신호를 전송한다.
따라서 본 발명은 ESS 및 PV가 동작할 때 직렬 아크가 생성되는 경우 전류 파형의 변화가 거의 없고, 인버터 혹은 DC/DC 컨버터 등에 의한 노이즈가 매우 크기 때문에 아크 고장을 검출하는 어려움을 해결할 수 있다.
또한, 본 발명은 Time Domain에서 아크 고장 상황과 정상 동작 상황을 전압 및 전류 정보로 분석하기가 매우 어려움을 해결할 수 있다.
상기 아크의 FFT 크기가 변동하는 주파수 대역이 1 ~ 100 kHz로, 인버터의 스위칭 노이즈 등에 의해 성능이 매우 떨어질 수 있고, MHz 대역에서 아크 고장을 판별하는 경우 Line Impedance 등에 의해 매우 민감하게 동작하기 때문에 신뢰성 확보가 어려운 것을 본 발명에 따른 제어부가 AC 전압을 주파수로 측정하고, DC 전압을 시간에 따라 측정하여 주변 노이즈를 액티브(Active)하게 제거할 수 있다.
예를 들어 상기 제어부가 AC 전압을 주파수로 측정하는 프로세싱 회로를 이용한 전류 샘플링을 통해 이산 시간 급수의 표준 편차를 이용한다.
그리고, 상기 제어부가 DC 전압을 시간에 따라 측정하고, 최대 및 최소 피크치를 결정한 후, 상기 최대 및 최소 피크치의 제로 크로싱을 결정한 후 밴드 패스 필터를 적용하여 최대 및 최소 피크치를 삭제하여 각 샘플 포인트의 전압을 제곱하여 전압 웨이브 폼(wave form)을 얻어 주변 노이즈를 액티브(Active)하게 제거한다.
또한, 상기 제어부가 절연을 위한 절연 클램프(Insulating Clamps)에 고정되는 고정 전극(Stationary Electrode)과 상기 고정 전극과 일정 간격 이격하여 모터 제어에 의해 좌우로 이동이 가능한 슬라이딩 블록(Sliding Block)에 고정된 이동 전극을 이동시켜 전극 분리 속도 아크 발생에 따른 아크 고장 데이터를 수집하는 단계;인 것을 특징으로 하는 시간 및 주파수 기반의 아크 고장 검출 장치를 이용한 고장 검출 방법.
그리고, 본 발명은 AI 모듈을 통해 데이터 기반의 아크 특성 추출로 고장을 판별할 수 있다.
예를 들어 도 7의 진단 체크리스트를 AI 모듈을 통해 분석 및 분류하여 데이터 기반의 아크 고장을 판별할 수 있다.
도 7에 도시된 바와 같이 본 발명은 합선, 단락, 분리막 결함, 내부 도전성 파티클, 음극 활물질, 극판 손상, 셀간 전압 편차에 관련된 정보, 및 아크, 과전압, 지락, 외부 단락, 외부 열, 과부하, 과방전, 급속 충전, 과충전, 열화 임피던스 등의 정보를 고장 검출 장치를 통해 검출하여 특정 알고리즘에 적용하여 시간 및 주파수 기반의 아크 고장 검출이 가능하다.
이 때 제어부가 recurrent neural network (RNN) 알고리즘, K-nearest neigh- bors (KNN) 알고리즘을 적용하여 합선, 단락, 분리막 결함, 내부 도전성 파티클, 음극 활물질, 극판 손상, 셀간 전압 편차에 관련된 정보, 및 아크, 과전압, 지락, 외부 단락, 외부 열, 과부하, 과방전, 급속 충전, 과충전, 열화 임피던스 등의 정보를 학습시킬 수 있다.
도 8은 본 발명에 따른 센싱 회로의 H/W 구성을 나타낸 것으로 PV 패널(10) 또는 ESS의 DC 시스템에 병렬로 센서(14)가 연결되어 고장 신호만 받을 수 있게 설계된다.
도 9는 본 발명에 따른 ESS DC Link부터 고장 신호 검출까지의 하드웨어 구성도를 나타낸다.
도 9에 도시된 바와 같이, 전압 및 전류 센싱을 위한 전압 및 전류 센싱용 센서(14)와 전압 및 전류 신호를 처리하기 위한 신호 처리 회로(14-1)와 이들을 제어하는 제어부(15; 프로세서)로 고장 신호를 검출할 수 있다.
도 10은 본 발명에 따른 고장 검출을 위한 알고리즘을 나타낸다.
도 10에 도시된 바와 같이, 본 발명의 실시예로서 운전 시작 후(S101), 센싱을 통한 정상 상태 데이터 실시간 확보하는 단계(S102); 정상 상태 데이터 변동성 및 크기를 계산하는 단계(S103); 고장 Threshold 값을 계산하는 단계(S104); 센서 등으로 읽어온 값에 대한 변동성 및 크기를 계산하는 단계(S105); Threshold 값을 넘는 경우 아크 고장 검출 신호를 발생하는 단계(S106);로 구성된다.
10 : PV 패널
11 : 배터리 렉
12 : 인버터
14 : 전압 및 전류 센싱용 센서
14-1 : 신호 처리 회로
15 : 제어부
51 : 그리드
52 : 트랜스포머
53 : PCS
103 : 절연 클램프
104 : 고정 전극
102 : 슬라이딩 블록
106 : 측면 조정 장치
101 : 고정 베이스
11 : 배터리 렉
12 : 인버터
14 : 전압 및 전류 센싱용 센서
14-1 : 신호 처리 회로
15 : 제어부
51 : 그리드
52 : 트랜스포머
53 : PCS
103 : 절연 클램프
104 : 고정 전극
102 : 슬라이딩 블록
106 : 측면 조정 장치
101 : 고정 베이스
Claims (10)
- 복수개의 배터리가 포함되는 배터리 렉과 인버터 사이의 아크 고장을 탐지하기 위한 전압 및 전류 센싱용 센서와,
상기 센서를 통해 계통 전원과 연결되는 인버터에 고장 신호를 전송받아 고장 데이터 기반의 ESS 아크 고장 검출 주파수 대역폭 선정 및 검출 알고리즘, 확률 및 통계 기반의 아크 고장 검출 알고리즘을 포함하고, 미리 아크 고장 데이터를 실험을 통해 수집 혹은 실시간 고장 데이터를 통한 알고리즘에 적용하는 제어부;를 포함하여,
상기 센서는 설계에 따른 임피던스를 갖고, ESS의 DC Link에 병렬로 연결되어 스위칭 노이즈 및 주변 노이즈를 Active하게 제거하여 아크 노이즈를 판별할 수 있으며,
상기 제어부는 상기 센서 및 신호 처리 회로를 통해 받은 데이터를 기반으로 아크 고장 신호만 센싱하여 고장 검출 정확도를 향상시키고,
상기 제어부를 통해 읽어온 데이터를 기반으로 통계 및 크기 변동을 계산하고, 아크 고장을 검출하기 위한 초기 값을 설정하는 것을 특징으로 하는 ESS 아크 고장 검출 장치. - 삭제
- 삭제
- 임피던스 기반의 센싱 회로를 통해 신호의 통계 및 크기 변동을 사용하는 AC 및 DC 아크 고장 검출 알고리즘을 적용하는 방법에 있어서,
ESS의 DC Link에 병렬로 연결되는 아크 고장 검출 임피던스를 통해 전류 및 전압을 센싱하는 단계; 임피던스 설계를 통해 아크 고장 신호를 증폭하는 단계;
센싱한 신호를 Filter 단을 통과하여 제어부에 전달하는 단계; 상기 제어부가 받은 데이터를 기반으로 크기 변동 및 확률 통계 기반의 아크 고장 검출 알고리즘을 수행하는 단계;
상기 제어부를 통해 읽어온 데이터를 기반으로 통계 및 크기 변동을 계산하고, 아크 고장을 검출하기 위한 초기 값을 설정하는 단계;를 포함하는 것을 특징으로 하는 ESS 아크 고장 검출 방법. - 삭제
- 청구항 4에 있어서,
상기 아크 고장 검출 알고리즘을 수행하는 단계 이후에, 아크 노이즈 정보를 전달받아 고장 검출 알고리즘에 의해 고장을 검출하는 고장 검출 장치를 통해 계통 전원과 연결되는 인버터 혹은 PMS, EMS에 고장 신호를 전송하는 단계;를 더 포함하는 것을 특징으로 하는 ESS 아크 고장 검출 방법. - 청구항 4에 있어서,
상기 센싱한 신호를 Filter 단을 통과하여 제어부에 전달하는 단계 이후에, 상기 제어부를 통해 디지털 프로세서 혹은 아날로그 회로로 구성되어 있으며, ADC를 통한 샘플링 혹은 아날로그를 통해 센싱 회로 및 신호 처리 회로의 출력 데이터를 읽어오는 단계;를 더 포함하는 것을 특징으로 하는 ESS 아크 고장 검출 방법. - 삭제
- 청구항 4에 있어서,
상기 센싱한 신호를 Filter 단을 통과하여 제어부에 전달하는 단계 이후에, 상기 제어부를 통해 다른 배터리 및 인버터 조합에 대해 적용이 가능하도록 ESS와 병렬로 아크 고장 검출 장치를 설치하면, 정상상태 데이터 기반으로 아크 고장 신호의 Threshold 값을 설정하는 단계;를 더 포함하는 것을 특징으로 하는 ESS 아크 고장 검출 방법. - 청구항 4에 있어서,
아크 고장을 검출하기 위한 초기 값을 설정하는 단계 이후에, AI 모듈을 통해 데이터 기반의 아크 특성 추출로 고장을 판별하는 단계;를 더 포함하는 것을 특징으로 하는 ESS 아크 고장 검출 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220123036A KR102488790B1 (ko) | 2022-09-28 | 2022-09-28 | Ess 아크 고장 검출 장치 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220123036A KR102488790B1 (ko) | 2022-09-28 | 2022-09-28 | Ess 아크 고장 검출 장치 및 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR102488790B1 true KR102488790B1 (ko) | 2023-01-18 |
| KR102488790B9 KR102488790B9 (ko) | 2023-12-08 |
Family
ID=85106751
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220123036A KR102488790B1 (ko) | 2022-09-28 | 2022-09-28 | Ess 아크 고장 검출 장치 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102488790B1 (ko) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117233557A (zh) * | 2023-11-14 | 2023-12-15 | 深圳市耐斯特能源科技有限公司 | 一种光伏储能逆变器电弧故障检测装置及其检测方法 |
| KR102656903B1 (ko) * | 2023-11-20 | 2024-04-12 | 한국에너지솔루션 주식회사 | Ac 및 dc 신호 정보를 이용한 아크 결함 감지 장치 및 이를 이용한 모니터링 방법 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100309591A1 (en) * | 2009-06-04 | 2010-12-09 | Eaton Corporation | Impedance-based current sensor |
| KR101590836B1 (ko) * | 2015-06-26 | 2016-02-02 | (주)에너지와공조 | 아크 진단이 가능한 에너지 저장 시스템 및 그 방법 |
| KR102283884B1 (ko) * | 2020-08-21 | 2021-08-03 | 주식회사 데카엔지니어링 | 인공지능 기반 전기화재 예측 및 예지보전 시스템 및 방법 |
| KR20220061754A (ko) * | 2020-11-06 | 2022-05-13 | 조성철 | 전원시스템의 아크 검출 장치 및 이를 이용한 아크 검출 방법 |
| KR20220086154A (ko) * | 2020-12-16 | 2022-06-23 | 한국에너지기술연구원 | PV(Photovoltaics)시스템, PV시스템에서의 아크판단방법 및 DC시스템에서의 아크판단방법 |
-
2022
- 2022-09-28 KR KR1020220123036A patent/KR102488790B1/ko active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100309591A1 (en) * | 2009-06-04 | 2010-12-09 | Eaton Corporation | Impedance-based current sensor |
| KR101590836B1 (ko) * | 2015-06-26 | 2016-02-02 | (주)에너지와공조 | 아크 진단이 가능한 에너지 저장 시스템 및 그 방법 |
| KR102283884B1 (ko) * | 2020-08-21 | 2021-08-03 | 주식회사 데카엔지니어링 | 인공지능 기반 전기화재 예측 및 예지보전 시스템 및 방법 |
| KR20220061754A (ko) * | 2020-11-06 | 2022-05-13 | 조성철 | 전원시스템의 아크 검출 장치 및 이를 이용한 아크 검출 방법 |
| KR20220086154A (ko) * | 2020-12-16 | 2022-06-23 | 한국에너지기술연구원 | PV(Photovoltaics)시스템, PV시스템에서의 아크판단방법 및 DC시스템에서의 아크판단방법 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117233557A (zh) * | 2023-11-14 | 2023-12-15 | 深圳市耐斯特能源科技有限公司 | 一种光伏储能逆变器电弧故障检测装置及其检测方法 |
| CN117233557B (zh) * | 2023-11-14 | 2024-03-01 | 深圳市耐斯特能源科技有限公司 | 一种光伏储能逆变器电弧故障检测装置及其检测方法 |
| KR102656903B1 (ko) * | 2023-11-20 | 2024-04-12 | 한국에너지솔루션 주식회사 | Ac 및 dc 신호 정보를 이용한 아크 결함 감지 장치 및 이를 이용한 모니터링 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102488790B9 (ko) | 2023-12-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102488790B1 (ko) | Ess 아크 고장 검출 장치 및 방법 | |
| CN102132164B (zh) | 电力设备的部分放电噪音消除装置及部分放电产生区域的检测装置 | |
| CN112363070B (zh) | 电池拉弧检测方法、装置和电池储能系统 | |
| US10145885B2 (en) | Electrical leakage detection apparatus | |
| CN112582992B (zh) | 直流微网支路联动控制系统及方法 | |
| CN103983880A (zh) | 一种并网变流器防孤岛效应保护能力检测装置及测试方法 | |
| CN103490511A (zh) | 一种配电网通信终端检测系统及方法 | |
| CN112731087B (zh) | 用于光伏领域的故障电弧检测系统及检测方法 | |
| CN105071426A (zh) | 多馈入直流输电系统的故障恢复控制方法和系统 | |
| Ameli et al. | An intrusion detection method for line current differential relays in medium-voltage DC microgrids | |
| CN109001593A (zh) | 一种配电网故障录波控制方法 | |
| CN105699866B (zh) | 利用紫外电晕技术检测轨道交通绝缘部件的方法 | |
| El Chamie et al. | Physics-based features for anomaly detection in power grids with micro-pmus | |
| CN102540012B (zh) | 小电流接地系统单相接地故障的判定方法及其装置 | |
| CN113702778A (zh) | 一种gil电弧放电故障定位方法及系统 | |
| CN102879700A (zh) | 高压隔离开关合闸到位的声表面波检测装置与方法 | |
| CN104749520A (zh) | 一种断路器固有分闸时间的测量方法与装置 | |
| CN205353294U (zh) | 一种故障电弧探测装置的测试设备 | |
| WO2023221432A1 (zh) | 一种三相电路故障查找系统及方法 | |
| JP2003307539A (ja) | ガス絶縁機器の部分放電診断装置 | |
| CN114441901A (zh) | 结合参数采集模块和智能插座的多负载故障电弧检测方法 | |
| CN106772019A (zh) | 三相断路器电磁波信号相别检测系统及方法 | |
| CN105954608A (zh) | 一种基于电磁辐射特性的直流电弧检测方法 | |
| KR20140093033A (ko) | 윈도우 개수를 이용한 부분방전 원인 분석방법 | |
| US11784503B2 (en) | Passive arc detection and mitigation in wireless power transfer system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GRNT | Written decision to grant | ||
| G170 | Re-publication after modification of scope of protection [patent] |